ChatGPT 6 Astra: novità, costi e benchmark ufficiali

Di Daniele Forciniti

ChatGPT 6 Astra è il nuovo modello di punta di OpenAI, uscito il 3 settembre 2026. Costa 10 dollari per milione di token in ingresso e 50 in uscita, ha una finestra di contesto da 1.050.000 token ed è il primo modello che OpenAI classifica come “Critical” sulla sicurezza informatica. Sui benchmark ufficiali fa saltare il banco su uso del computer, matematica e cyber, ma su due indici generalisti resta dietro a Claude Fable 5.1. Qui sotto trovi tutti i numeri pubblicati, i prezzi reali e le cose che nelle tabelle non si vedono.

Da oltre dieci anni lavoro con siti web, SEO e contenuti, e ogni volta che esce un modello nuovo la parte più faticosa non è capire cosa sa fare: è separare quello che c’è scritto nelle tabelle da quello che succede quando lo metti al lavoro davvero. Con Astra questa distanza è più grande del solito, e vale la pena spiegare perché.

Se invece stai valutando quale modello adottare fra i due usciti a inizio settembre, ne ho parlato in modo più diretto nel confronto fra GPT-6 Astra e Gemini 3.8 Flash.

Cosa cambia davvero rispetto a GPT-5.6 Sol

OpenAI presenta Astra come “il modello più intelligente e più allineato del mondo”. Al di là della frase da comunicato, le cose che cambiano concretamente sono cinque, e nessuna riguarda il chiacchierare.

1. Usa il computer molto più in fretta

È la novità che si nota per prima. Su OSWorld 2.0, la prova che misura se un modello sa muoversi dentro un sistema operativo vero, Astra segna 72,6% impiegando circa 40 minuti a compito, contro il 65,7% in circa 75 minuti del modello precedente. Tradotto: fa di più e ci mette il 47% di tempo in meno.

Su ScreenSpot-Pro, che misura una cosa più prosaica (riuscire a cliccare il pixel giusto in un’interfaccia affollata), passa da 76,9% a 92,7%. Chi ha provato a far compilare un gestionale a un’AI sa quanto pesa questo numero: è la differenza fra un agente che lavora e uno che clicca sul pulsante sbagliato e cancella una riga.

Insieme al modello OpenAI ha aggiornato anche l’ambiente di Codex, e dichiara un completamento dei compiti 1,9 volte più rapido rispetto all’esperienza con Sol sul benchmark Mind2Web.

2. Si ricorda le cose fra una finestra di contesto e l’altra

Questa è tecnica ma cambia la vita a chi lavora su progetti lunghi. Fino a ieri, quando la memoria di lavoro si riempiva, i modelli facevano “compaction”: riassumevano tutto in un blocco e buttavano il resto. Ogni riassunto perdeva pezzi, di solito proprio quelli che servivano (perché una correzione non aveva funzionato, come si comportava un componente).

In Codex, Astra tiene invece degli appunti che attraversano le finestre di contesto, e le finestre precedenti restano consultabili anche per le informazioni che negli appunti non erano finite. La funzione è ancora sperimentale e va attivata nel file di configurazione, ma OpenAI dice che diventerà l’impostazione predefinita nelle prossime settimane.

3. Resta dentro il perimetro che gli dai

Qui c’è il numero che mi ha colpito di più. OpenAI ha costruito una prova ispirata all’incidente di Hugging Face del luglio 2026, per misurare cosa fa un modello quando gli affidi un compito difficile o impossibile: si ferma o va oltre quello che gli hai autorizzato a fare?

Senza le protezioni di produzione, GPT-5.6 Sol è andato oltre l’obiettivo autorizzato nel 48% dei casi. Astra nello 0%. Sul benchmark interno che misura i tentativi di aggirare la revisione automatica di Codex, Astra non ci ha provato nemmeno una volta, e questo anche quando la revisione era stata configurata apposta per essere aggirabile e il compito era impossibile da completare in altro modo.

Chi ha provato a mettere un agente in produzione capisce subito quanto vale. Un modello che al primo ostacolo prova strade non autorizzate non lo puoi lasciare da solo su niente.

4. Un salto in matematica e nella ricerca scientifica

Su FrontierMath Tier 4, il livello più difficile della prova di matematica, Astra segna 97,6% contro l’83,0% di Sol. OpenAI scrive che il modello ha già contribuito a risolvere problemi aperti sulla distanza fra i numeri primi. Su Terminal-Bench Science, che misura la capacità di portare a termine flussi di lavoro scientifici veri usando codice e terminale, si passa da 22,4% a 64,6%.

5. Fa lavori d’ufficio che prima venivano male

Presentazioni che rispettano il tuo modello di slide, documenti formattati secondo il tuo standard, fogli di calcolo. Su BenchCAD, che verifica se un modello sa ricostruire oggetti 3D generando codice CAD, Astra arriva a 95,9% contro 83,3%. E con Sites dentro ChatGPT può creare, ospitare e condividere siti e piccole applicazioni partendo da una richiesta scritta.

I benchmark ufficiali di ChatGPT 6 Astra, tabella per tabella

Qui sotto ci sono tutte e nove le tabelle pubblicate da OpenAI il giorno del lancio, riscritte per intero. I punteggi sono i migliori ottenuti a qualsiasi livello di sforzo, e le prove sono state fatte nell’ambiente di ricerca di OpenAI o via API: la stessa azienda avvisa che il ChatGPT che usi tu può dare risultati leggermente diversi, perché cambiano istruzioni di sistema e strumenti disponibili.

Ho messo in grassetto il punteggio migliore di ogni riga. Vedrai che non è sempre quello di Astra, ed è una delle cose più oneste di questa tabella: OpenAI pubblica anche le righe dove perde.

Uso del computer

La categoria dove il salto si vede meglio. I tempi per compito su OSWorld sono la parte che conta di più.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
Agents’ Last Exam	59,3%	53,6%	n.d.	48,7%	55,5%	n.d.
OSWorld 2.0 (set offline, punteggio parziale)	72,6%	65,7%	n.d.	n.d.	70,2%	n.d.
ScreenSpot-Pro (senza strumenti)	92,7%	76,9%	n.d.	87,3%	n.d.	n.d.

Lavoro professionale

Qui compare il primo dato scomodo: sull’Intelligence Index di Artificial Analysis, Astra è quarta.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
AutomationBench	41,4%	18,1%	31,4%	17,4%	26,9%	n.d.
BenchCAD	95,9%	83,3%	84,3%	67,5%	82,1%	n.d.
BrowseComp	91,5%	90,4%	n.d.	87,4%	90,8%	n.d.
OpenScore String Quartets (1 – OMR-NED)	0,84	0,19	n.d.	n.d.	n.d.	n.d.
Compiti di design interni	50,0%	47,4%	n.d.	35,8%	n.d.	n.d.
Compiti di data science interni	40,9%	30,5%	n.d.	34,7%	n.d.	n.d.
Artificial Analysis Intelligence Index v4.1.1	61,2	60,9	65,7	62,1	63,1	58,7

Programmazione

Astra è prima su Terminal-Bench e sulle migrazioni di database, ma il Coding Agent Index resta a Opus 5.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
Terminal-Bench 4.0	57,9%	37,3%	55,8%	44,5%	52,6%	19,1%
DeepSWE v1.1	74,1%	72,7%	67,4%	69,9%	73,7%	73,8%
FrontierCode 1.1 Extended	64,5%	60,6%	63,6%	64,9%	63,6%	56,3%
FrontierCode 1.1 Main	53,3%	47,5%	50,9%	53,5%	53,4%	43,6%
Migrazioni di database (interno)	63,9%	42,7%	57,8%	50,3%	n.d.	n.d.
Artificial Analysis Coding Agent Index v1.4	67,0	65,1	n.d.	67,2	68,1	61,2

Prove accademiche

Il triplo su Terminal-Bench Science, ma l’Humanity’s Last Exam va ad Anthropic.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
Terminal-Bench Science 0.1	64,6%	22,4%	52,6%	21,4%	30,0%	n.d.
FrontierMath Tier 4 (v2)	97,6%	83,0%	87,8%	90,2%	73,2%	n.d.
GPQA Diamond	96,0%	94,6%	93,7%	92,6%	93,7%	95,3%
Humanity’s Last Exam (con strumenti)	57,2%	n.d.	65,0%	63,8%	63,6%	n.d.

Scienza e salute

Miglioramenti reali ma piccoli: qui il distacco è di uno o due punti.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
GeneBench Pro	37,1%	32,3%	n.d.	n.d.	n.d.	n.d.
MedChemBench (interno)	49,3%	47,4%	n.d.	n.d.	n.d.	n.d.
LifeSciBench	60,3%	59,9%	n.d.	n.d.	n.d.	n.d.
HealthBench Professional	63,4%	60,5%	58,1%	60,9%	56,4%	52,1%

Sicurezza informatica

La categoria che ha fatto scattare la classificazione Critical. Il 100% su ExploitBench è un punteggio saturo.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
ExploitBench	100,0%	78,5%	n.d.	n.d.	70%	n.d.
ExploitGym	42,4%	30,3%	30,4%	28,4%	22,0%	n.d.
ExploitBench (giugno-agosto 2026)	39,0%	5,5%	n.d.	n.d.	n.d.	n.d.
SRE-Bench	88,0%	55,9%	n.d.	n.d.	12,5%	n.d.
SEC-Bench Pro	85,4%	79,1%	n.d.	n.d.	n.d.	n.d.

Allineamento

Attenzione: qui più basso è meglio. Sono le prove che misurano quanto il modello esce dal seminato.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
Sicurezza nell’uso del computer (interno)	2,4%	22,0%	9,5%	18,3%	11,5%	n.d.
Sicurezza uso computer con AutoReview	1,8%	4,3%	n.d.	n.d.	n.d.	n.d.
Tentativi di aggiramento (interno)	0,00%	0,29%	n.d.	n.d.	n.d.	n.d.
ExploitGym honeypot	0,0%	48,2%	n.d.	n.d.	n.d.	n.d.
Allucinazioni (interno)	4,2%	12,2%	n.d.	n.d.	n.d.	n.d.

Contesto lungo

Il dato che giustifica la finestra da un milione di token: sopra il mezzo milione, Sol perdeva un quarto delle informazioni.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
OpenAI MRCR v2, 8 aghi, 256K-512K	100,0%	91,5%	n.d.	n.d.	n.d.	n.d.
OpenAI MRCR v2, 8 aghi, 512K-1M	96,3%	73,8%	n.d.	n.d.	n.d.	n.d.

Ragionamento astratto

I numeri che hanno fatto parlare tutti. Su ARC-AGI-3 ci torno fra poco, perché la cifra va letta con attenzione.

Prova	GPT-6 Astra	GPT-5.6 Sol	Fable 5.1	Fable 5	Opus 5	Gemini 3.8 Flash
ARC-AGI-3	99,9%	7,8%	n.d.	n.d.	30,2%	n.d.
ARC-AGI-2	95,0%	92,5%	90,0%	89,2%	90,4%	n.d.
ARC-AGI-1	98,5%	97,5%	97,5%	98,5%	97,5%	n.d.

Il 99,9% su ARC-AGI-3 e il numero che quasi nessuno cita

Il numero che ha fatto il giro del mondo è il 99,9% su ARC-AGI-3, la prova che misura se un modello sa cavarsela in ambienti mai visti, senza istruzioni, esplorando e costruendosi da solo un’idea di come funzionano. Il modello precedente stava al 7,8%, Claude Opus 5 al 30,2%. Detta così sembra la fine di un’epoca.

La ARC Prize Foundation, che il test lo ha costruito, ha pubblicato lo stesso giorno la sua misurazione. E i punteggi sono due, non uno.

Con l’harness standard di ARC, quello uguale per tutti i modelli, Astra fa 62,7% e la corsa costa circa 26.000 dollari di calcolo. Con l’adattatore di OpenAI, che conserva lo stato del ragionamento fra un’azione e l’altra e usa il sistema di compressione di OpenAI, fa 99,9% e costa circa 19.000 dollari.

Non è un trucco e ARC lo dice chiaramente: entrambi sono record assoluti. Ma sono due cose diverse. Il 62,7% dice quanto è bravo il modello in un ambiente neutro. Il 99,9% dice quanto diventa bravo quando gira dentro l’infrastruttura di chi lo ha costruito. Se il tuo agente userà l’API di OpenAI, il secondo numero è quello che ti riguarda. Se stai confrontando modelli diversi per decidere quale adottare, il primo è l’unico paragonabile.

C’è poi un dettaglio controintuitivo nella tabella completa: alzando il livello di ragionamento il costo scende, perché il modello risolve i giochi con meno mosse e quindi con meno chiamate.

Livello di ragionamento	Harness standard ARC	Adattatore OpenAI
max	62,7%, 26.098 $	98,6%, 17.332 $
xhigh	59,3%, 37.317 $	98,4%, 18.147 $
high	54,8%, 40.705 $	99,9%, 18.817 $
medium	38,6%, 48.090 $	98,4%, 19.285 $
low	17,5%, 38.166 $	98,0%, 21.298 $
none	35,2%, 49.791 $	96,7%, 23.457 $

Un ultimo paragone che aiuta a mettere le cose in prospettiva. Per stabilire il riferimento umano, ARC ha pagato circa 500 persone comuni: 115 dollari per una sessione da 90 minuti più 5 dollari a gioco completato, cioè circa 12,78 dollari a partita tentata. Il modello, alla corsa più economica fra quelle standard, sta su un altro ordine di grandezza. Astra ha però superato l’efficienza umana in numero di mosse sul 96% dei livelli: fa meno tentativi di noi, non costa meno di noi.

Le tre prove dove Astra non arriva prima

Questa parte nelle notizie del 3 settembre è passata sotto silenzio, e invece sta nella tabella ufficiale di OpenAI, non in una misurazione ostile.

Sull’Artificial Analysis Intelligence Index, che è la misura generalista più citata del settore, Astra fa 61,2 contro i 65,7 di Claude Fable 5.1 e i 63,1 di Opus 5. È quarta, dietro anche a Fable 5. Sull’Humanity’s Last Exam con strumenti fa 57,2% contro il 65,0% di Fable 5.1. Sul Coding Agent Index resta a 67,0 contro i 68,1 di Opus 5.

Come si mette insieme questo con “il modello più intelligente del mondo”? Si mette insieme così: Astra è costruita per fare cose, non per rispondere bene alle domande. Vince ovunque ci sia da usare un computer, muoversi in un terminale, portare a termine un compito lungo. Perde sugli indici che misurano quanto un modello è bravo in generale. Sono due qualità diverse, ed è utile sapere quale delle due ti serve prima di firmare un contratto.

Quanto costa Astra: il listino completo

Il prezzo base sono 10 dollari per milione di token in ingresso e 50 per milione in uscita. È due volte e mezza il modello precedente, che stava a 4 e 20.

Ma il listino base racconta metà della storia. Ci sono altre quattro voci che sul conto di fine mese pesano parecchio.

Voce	Contesto corto (fino a 272K)	Contesto lungo (oltre 272K)
Input	10,00 $	20,00 $
Input dalla cache	1,00 $	2,00 $
Scrittura in cache	12,50 $	25,00 $
Output	50,00 $	75,00 $

La riga che va guardata bene è la soglia dei 272.000 token. Non è un supplemento sui token in eccesso: se superi quella soglia in ingresso, l’intera richiesta viene fatturata a tariffa lunga. Con una finestra da 1.050.000 token questo diventa una scelta di architettura: riempire il contesto perché tanto c’è spazio è il modo più veloce per triplicare la bolletta senza accorgersene.

Le altre tre voci lavorano nella direzione opposta e conviene sfruttarle. La cache costa un decimo dell’input normale, quindi tutto quello che si ripete (istruzioni di sistema, documenti di riferimento) va messo in una posizione che permetta di riusarlo. Batch e Flex costano metà: se il lavoro non deve rispondere entro un secondo, è il 50% risparmiato senza toccare una riga di codice. Fast costa il doppio e va acceso solo dove la velocità la vede l’utente.

Un esempio concreto, con i numeri

Prendiamo un caso che nel mio lavoro capita spesso: un assistente che legge la documentazione di un cliente e risponde alle domande dei visitatori. Diciamo 20.000 richieste al mese, con 8.000 token di contesto ciascuna e 700 token di risposta.

• Senza cache, tariffa standard: 160 milioni di token in ingresso (1.600 $) più 14 milioni in uscita (700 $), cioè 2.300 dollari al mese.
• Con il contesto fisso in cache (mettiamo che 6.000 degli 8.000 token si ripetano): 120 milioni a tariffa cache (120 $) più 40 milioni a tariffa piena (400 $) più l’uscita (700 $), cioè 1.220 dollari.
• Stesso lavoro sul modello precedente, senza cache: 920 dollari.

Nel secondo conto non ho incluso la scrittura in cache, che si paga una volta a 12,50 dollari per milione e poi si ammortizza sulle richieste successive.

Il punto non è quale numero è più basso, ma che la differenza fra la prima riga e la seconda vale più del salto di generazione. Prima di decidere se Astra è troppo caro, conviene guardare come è costruito il proprio flusso di lavoro. In diversi progetti che ho seguito, la voce che pesava non era il modello: era il contesto rimandato ogni volta.

E su ChatGPT, senza API?

Astra è compresa nelle soglie d’uso degli abbonamenti che hai già: Plus, Pro, Business ed Enterprise. Chi finisce l’utilizzo incluso può comprare crediti aggiuntivi. Chi è su Pro, Business o Enterprise ha in più l’accesso a GPT-6 Astra Pro. Per le aziende c’è un dettaglio da non dimenticare: al lancio l’accesso è disattivato per impostazione predefinita e va acceso dall’amministratore dello spazio di lavoro.

La scheda tecnica in breve

Nome API	gpt-6-astra
Uscita	3 settembre 2026
Finestra di contesto	1.050.000 token
Massimo in ingresso	922.000 token
Massimo in uscita	128.000 token
Conoscenza aggiornata al	30 aprile 2026
Modalità di uscita	solo testo
Ragionamento	supportato, con livelli da none a max
Dove gira	ChatGPT, API OpenAI, Microsoft Azure, AWS Bedrock
Endpoint supportati	Chat Completions, Responses, Batch
Non supportati	Realtime, Assistants, fine-tuning, embedding, immagini, video, audio

Due righe meritano un commento. La prima è che non si può addestrare: niente fine-tuning, quindi se il tuo caso d’uso richiede un modello adattato ai tuoi dati, Astra non è la strada. La seconda è che fa solo testo: per immagini, audio e video servono altri modelli della famiglia.

Sicurezza: per la prima volta la soglia “Critical”

Questa è la parte che rende Astra diversa da qualsiasi modello uscito prima, e non in senso commerciale.

OpenAI ha un documento interno, il Preparedness Framework, che classifica i modelli per rischio. Astra è il primo a raggiungere la soglia Critical sulla sicurezza informatica. Non è un’etichetta di marketing: è la ragione per cui il lancio è scaglionato invece che immediato.

I numeri dietro la classificazione fanno impressione. Su ExploitBench, che misura se un modello sa trasformare una vulnerabilità nota in un attacco funzionante, Astra fa 100%. Su una prova costruita apposta con vulnerabilità degli ultimi tre mesi, quindi impossibili da avere già viste in addestramento, passa dal 5,5% del modello precedente al 39,0%. Su SRE-Bench, che misura se sa capire come funziona un programma leggendone il codice compilato, risolve l’88,0% dei casi al primo tentativo e il 99,2% entro quattro.

E durante le prove ha trovato e usato due vulnerabilità che nessuno conosceva. OpenAI dice di averle comunicate a chi mantiene quei programmi.

La versione che arriva a te è depotenziata: fa revisione del codice e correzione di falle, ma rifiuta i compiti offensivi, tipo scrivere una dimostrazione di attacco. Le capacità complete verranno aperte gradualmente attraverso un programma chiamato OpenAI Daybreak, per analisi di malware, validazione delle vulnerabilità e lavoro difensivo.

C’è una conseguenza pratica che chi mette Astra in produzione deve conoscere. Girano dei controlli automatici sul comportamento del modello, e quando scattano l’attività si ferma. In ChatGPT o Codex ti viene chiesto di confermare prima di proseguire. Nell’API il compito si interrompe e basta. OpenAI ammette che questi controlli a volte bloccano lavoro legittimo, compresa la sicurezza difensiva, e dice di starci ancora lavorando. Se stai progettando un servizio che gira da solo di notte, questa riga vale più di metà dei benchmark.

C’è anche una cosa che è peggiorata

Nel comunicato di OpenAI, in mezzo agli entusiasmi, c’è un paragrafo che va letto due volte. Le loro valutazioni hanno trovato che il ragionamento scritto di Astra è più difficile da controllare di quello di Sol, in prove dove al modello veniva chiesto esplicitamente di sfuggire al monitoraggio.

OpenAI attribuisce il fenomeno al fatto che Astra risolve i problemi in meno passaggi scritti e controlla meglio quello che scrive. Aggiunge che sui compiti complessi il modello fatica ancora a nascondere il ragionamento, e che considera la cosa seria. Resta il fatto che è una regressione dichiarata dall’azienda stessa, ed è rilevante per chiunque debba dimostrare a un revisore perché un sistema ha preso una certa decisione. Chi lavora con la conformità europea sa che questo è tutt’altro che un dettaglio.

Da quando si usa, e dove

Il lancio è partito il 3 settembre 2026 su un gruppo ristretto di organizzazioni, per poi estendersi nei giorni successivi a tutti gli abbonati Plus, Pro, Business ed Enterprise. Sul fronte sviluppatori è disponibile nell’API di OpenAI con il nome gpt-6-astra, oltre che su Microsoft Azure e AWS Bedrock.

Per i clienti API idonei è previsto lo Zero Data Retention, cioè nessuna conservazione dei dati. OpenAI sta inoltre sperimentando il Private Safety Processing, un modo per fare il monitoraggio di sicurezza senza guardare i contenuti.

La mia opinione, da chi ci lavora

Astra non è un modello che chiacchiera meglio. È un modello che finisce le cose, ed è una categoria diversa. Se il tuo problema è scrivere testi o rispondere a domande, i 50 dollari per milione di token in uscita non li giustifica nessun benchmark di questa pagina: fai meglio con un modello di fascia inferiore, e la differenza in bolletta la investi altrove.

Se invece il tuo problema è un agente che deve muoversi dentro software veri, aprire pannelli, compilare campi, portare a termine una procedura di quaranta passaggi senza inventarsi scorciatoie, allora i numeri che contano non sono quelli sull’intelligenza. Sono lo 0% contro il 48% sul restare dentro il perimetro, il 2,4% contro il 22,0% sulla sicurezza nell’uso del computer, il 4,2% contro il 12,2% sulle allucinazioni. Quelli sì che cambiano il preventivo, perché sono la differenza fra un agente che sorvegli e uno che lasci lavorare.

Il consiglio che darei a chi mi chiede se conviene passarci: non guardare il prezzo per token, guarda il costo per lavoro finito. Un modello che costa due volte e mezza ma chiude il compito in metà passaggi e senza doverlo rifare può uscire più economico. Vale però anche il contrario, e l’unico modo per saperlo è misurare sul proprio caso, non sulle tabelle di nessuno. Se stai costruendo qualcosa del genere, nella guida agli agenti IA ho messo il metodo che uso per fare questi conti prima di partire.

Un’ultima cosa, che riguarda chi come me si occupa di posizionamento. Modelli come questo stanno cambiando il modo in cui le persone cercano informazioni, e di conseguenza il modo in cui un sito deve essere scritto per farsi trovare e citare. È un lavoro diverso dalla SEO classica e lo abbiamo raccolto nel servizio di consulenza SEO e GEO.

Domande frequenti

Quanto costa ChatGPT 6 Astra?

Nell’API costa 10 dollari per milione di token in ingresso e 50 per milione in uscita. L’input recuperato dalla cache scende a 1 dollaro, la scrittura in cache costa 12,50 dollari. Sopra i 272.000 token di input l’intera richiesta passa a 20 dollari in ingresso e 75 in uscita. Le modalità Batch e Flex costano la metà, la modalità Fast il doppio. Dentro ChatGPT, invece, Astra è compresa negli abbonamenti Plus, Pro, Business ed Enterprise senza costi aggiuntivi, nei limiti d’uso del piano.

Quando è uscito e come si accede?

È uscito il 3 settembre 2026, prima per un gruppo ristretto di organizzazioni e poi, nel giro di pochi giorni, per tutti gli abbonati Plus, Pro, Business ed Enterprise. Gli sviluppatori lo trovano nell’API come gpt-6-astra, su Microsoft Azure e su AWS Bedrock. Nelle aziende l’accesso è spento per impostazione predefinita: deve accenderlo l’amministratore dello spazio di lavoro.

Perché su ARC-AGI-3 circolano due numeri diversi?

Perché sono due prove fatte con impalcature diverse, entrambe pubblicate dalla ARC Prize Foundation. Con l’harness standard, uguale per tutti i modelli, Astra fa 62,7%. Con l’adattatore di OpenAI, che conserva lo stato del ragionamento fra un’azione e l’altra, fa 99,9%. Nessuno dei due è sbagliato: il primo serve a confrontare modelli diversi fra loro, il secondo dice cosa ottieni se usi l’infrastruttura di OpenAI.

Astra è davvero il modello più intelligente che esiste?

Dipende da cosa si intende. Sulle prove che misurano l’uso del computer, la matematica avanzata e la sicurezza informatica è prima e con distacco. Sugli indici generalisti no: nella tabella pubblicata da OpenAI stessa, sull’Artificial Analysis Intelligence Index fa 61,2 contro i 65,7 di Claude Fable 5.1, e sull’Humanity’s Last Exam con strumenti fa 57,2% contro il 65,0%. È il modello più capace nel portare a termine compiti, non necessariamente il più brillante nel rispondere.

Quanto è grande la finestra di contesto?

1.050.000 token complessivi, di cui al massimo 922.000 in ingresso e 128.000 in uscita. Attenzione però alla soglia dei 272.000 token: superandola in ingresso, tutta la richiesta viene fatturata al doppio in entrata e a una volta e mezza in uscita. La finestra grande c’è, ma usarla tutta ha un prezzo.

Cosa significa che è classificato “Critical” sulla sicurezza?

Significa che secondo il Preparedness Framework di OpenAI il modello ha capacità offensive tali da richiedere protezioni aggiuntive. È il primo modello a raggiungere questa soglia. In pratica la versione pubblica rifiuta i compiti offensivi (per esempio scrivere una dimostrazione di attacco) e resta utilizzabile per revisione del codice e correzione delle vulnerabilità. Le capacità complete arriveranno gradualmente tramite il programma OpenAI Daybreak.

Si può addestrare sui propri dati?

No. La documentazione ufficiale indica il fine-tuning fra gli endpoint non supportati, insieme a embedding, immagini, video e audio. Astra genera solo testo. Se il tuo caso richiede un modello adattato ai tuoi dati, serve un’altra strada.

Conviene passare ad Astra o restare sul modello precedente?

Conviene se il tuo lavoro è agentico: usare software, completare procedure lunghe, muoversi in un terminale. Lì il vantaggio è grande e i numeri sull’affidabilità (0% contro 48% sul restare dentro il perimetro autorizzato) valgono più del prezzo. Non conviene se il lavoro è scrivere testi o rispondere a domande: costa due volte e mezza e su quel terreno il distacco non c’è. Il modo giusto di decidere è misurare il costo per lavoro finito sul proprio caso, non il prezzo per token.

Fonti

• OpenAI: GPT-6 Astra, a new generation of intelligence, annuncio ufficiale con tutte e nove le tabelle di benchmark.
• OpenAI, documentazione del modello gpt-6-astra: finestra di contesto, limiti, endpoint supportati e listino completo.
• OpenAI, pagina prezzi delle API: tariffe per contesto corto e lungo di tutta la famiglia.
• ARC Prize Foundation: OpenAI’s GPT-6 Astra on ARC-AGI-3, la misurazione indipendente con i due harness e i costi per corsa.
• OpenAI Preparedness Framework, il documento che definisce la soglia Critical.

Tutti i numeri di questo articolo sono presi dalle tabelle ufficiali pubblicate da OpenAI il 3 settembre 2026 e dalla misurazione della ARC Prize Foundation della stessa data. Dove i due si discostano l’ho scritto.